人脸检测：小目标漏检

最近在针对考勤做人脸检测，使用的是最常见的方法，mobileSSD检测人脸，目标图片1080P，出现的问题就是小目标漏检问题。

调整过priorbox的参数，收效甚微。原本SSD就有小目标检测不出来的先天性问题，然后看了一篇文章，自己感觉这篇文章是小目标漏检的福音。

文章名字：Group Sampling for Scale Invariant Face Detection

（解析链接：https://blog.csdn.net/qq_22764813/article/details/102497411）

但由于时间仓促无法复现，希望有相似问题的朋友能够看了这篇文章后获得一些灵感。

github上看着有意思的人脸检测：

https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB

https://github.com/OAID/Tengine/tree/master/examples/YuFaceDetectNet

后续工作：

由于现场算法推理反馈时间还是不够快，就拿https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB工程进行了模型训练，训练出来的结果出乎以外的好。好在哪里？有两点：

1）模型参数大小只有1M，转换成caffe模型后，在i5的cpu上运行，时间只花费了63ms；

2）小目标人脸的检出率明显得到改善，在自己整理的测试集上，720p图片，在精度没有下降的情况下，召回率由之前的65%上升到96%.

同事推荐使用free anchor进行进一步提速，目前还在训练中；